Diseño conceptual para la arquitectura de vehículos autónomos

Vista previa del material en texto

AUTOS Y SU INDEPENDIZACIÓN
Jonathan Buitrago
Escuela de Ingenierı́a
de Sistemas e Informática
Universidad Industrial de Santander
Bucaramanga, Santander
Email: vryhok@gmail.com
Marı́a Vera
Escuela de Ingenierı́a
de Sistemas e Informática
Universidad Industrial de Santander
Bucaramanga, Santander
Email: mafervera.1203@gmail.com
Jair Niño
Escuela de Ingenierı́a
de Sistemas e Informática
Universidad Industrial de Santander
Bucaramanga, Santader
Email jair.eduardo.n@gmail.com
Abstract— The implementation of computer systems for
driving automation is undoubtedly one of the greatest
technological advances today. However, this important
development still has a great way to go, mainly in the
architectural aspects, so that it becomes a reality and can be
used in uncontrolled environments.
This document presents a conceptual design for the architec-
ture of autonomous vehicles. The proposed design is based on
a comprehensive review of the literature and documentation on
this subject. Finally, the characteristics to be taken into account,
the architectural patterns for the correct implementation of the
design have been defined and the conclusions are presented.
Resumen—La implementación de sistemas computacionales
para la automatización de la conducción es, sin duda, uno de
los mayores avances tecnológicos en la actualidad. Sin embargo,
este importante desarrollo aún tiene un gran camino que
recorrer, principalmente en los aspectos arquitecturales, para
que convertirse en una realidad y pueda utilizarse en ambientes
no controlados.
En este documento se expone un diseño conceptual para
la arquitectura de vehı́culos autónomos. El diseño planteado
está fundamentado en una amplia revisión de la literatura y
documentación sobre este tema. Por último, se han definido las
caracterı́sticas a tener en cuenta, los patrones arquitecturales
para la correcta implementación del diseño y se presentan las
conclusiones.
I. INTRODUCCIÓN
Partimos inicialmente sabiendo de dónde provienen cada
uno de estos autos y es a raı́z de competencias, ası́ como existe
la programación competitiva, también existen competencias
acerca de vehı́culos autónomos. Según lo anterior, los dos
prototipos más próximos a la verdadera realidad de esta
tecnologı́a fueron dados a conocer en 2005 con DARPA y
2007 con Junior, que a partir de este último nació el auto
autónomo de Google.
Los autos autónomos a groso modo funcionan bajo sensores
y cámaras, existe diversidad de autos autónomos donde prima
la tecnologı́a oriental, es decir, universidades como: Xi’an
JiaoTong University, Shanghai Jiaotong University, singhua
University. No obstante el avance de este tipo de tecnologı́a
viene a cabo basándose en la revolución de hardware y
software, ası́ como existen ahora procesadores que realizan
cantidades inmensas de operaciones en un intervalo de tiempo
muy corto, en los autos autónomos se debe desarrollar la
arquitectura y el software adecuado para dar solución al
problema. Para dar un acercamiento a esto, Mercedes Benz
lanzó un prototipo Clase S 500 el cual contaba con una
equipación de hardware de sensor cercano a la producción
y basado únicamente en sensores de visión y radar en
combinación con precisión digital, mapas para obtener una
comprensión completa de la ubicación espacial.
En la actualidad, las empresas más interesadas en desarrollar
el avance de los autos autónomos tienen prioridad acerca de
algoritmos y nuevos diseños para éstos, estamos hablando de
compañı́as de gran renombre en el campo automovilı́stico
como por ejemplo: Tesla Motors, Mercedes Benz, Audi
y BMW, también otras que están más enfocadas en las
tecnologı́as de información como: Google, Uber y Baidu.
A partir de esto, es importante aclarar que los esfuerzos que
existen entre estas compañı́as están ligadas a la comunicación
inalámbrica entre vehı́culos la cual se conoce comúnmente
como sistema multiagente tems, a pesar de cada uno de estos
esfuerzos aún existe una falencia en el desarrollo de este tipo
y de autos y es básicamente que han dejado de lado el estudio
y el avance de la arquitectura usada en los autos.
II. ESTADO DEL ARTE
El mundo se prepara para un nuevo escenario de la
movilidad el cual tiene como protagonista al automóvil
autónomo. El departamento de energı́a de Estados Unidos
está implementando herramientas avanzadas de simulación
y modelado de estos automóviles para predecir su impacto
en la movilidad y en la matriz energética de las áreas
metropolitanas. “Nuestro objetivo es adquirir una comprensión
sobre el sistema y sobre cómo el transporte está cambiando,
incluyendo cómo interactúan los diferentes modos de
transporte, las decisiones tomadas por los viajeros y cómo la
automatización afecta todo”, explicó el ingeniero de transporte
computacional de Argonne, Joshua Auld. “Este nivel de
comprensión proporcionará información para ayudar a las
ciudades a planificar mejor y adaptarse a los futuros cambios
de transporte”, agregó. El equipo de Auld ha desarrollado
un modelo que representa la adopción de los autos parcial y
totalmente automatizados, y a diferentes niveles de aceptación
en el mercado. Posteriormente integraron estos datos junto a
un modelo de flujo de tráfico en un simulador de sistemas de
transporte denominado POLARIS por sus diferentes siglas
en inglés: Plataforma de Simulación Integrada Regional de
Lenguaje de Planificación y Operaciones.
POLARIS simula la movilidad y el flujo de tráfico al
predecir el comportamiento individual de los “agentes”
que en él intervienen. Estos agentes pueden representar a
personas, hogares u organizaciones. Analiza cómo millones
de estos agentes interactúan y toman decisiones sobre el uso
de automóviles, bicicletas o cualquier otro modo de moverse,
A su vez, estas decisiones individuales afectan al sistema de
transporte en su conjunto. De este modo, los investigadores
utilizan POLARIS para simular la movilidad y el impacto de
los flujos de viaje en cada uno de los diferentes escenarios
contemplados.
Para complementar los análisis de POLARIS y medir la
energı́a empleada, los investigadores utilizaron la herramienta
Autonomie de Argonne. Autonomie es la herramienta lı́der
en la industria para predecir el consumo de combustible de
los vehı́culos actuales y futuros, por lo que los investigadores
confiaron en ella para medir el impacto de los autos
automáticos en el uso de la energı́a.
Para aumentar su capacidad para representar y analizar
las complejas interacciones que afectan el transporte y
la movilidad, los investigadores ya están trabajando para
perfeccionar POLARIS y Autonomie para mejorar las
opciones de la tecnologı́a de los autos autónomos. También
para estudiar los posibles futuros escenarios, en los que
intervendrán variables como los diferentes niveles de
automatización y su impacto en el flujo de tráfico. También
se tendrán en cuenta las tecnologı́as emergentes y los nuevos
modos de movilidad como los servicios de automóviles
compartidos.
”Nuestro enfoque de modelado y simulación es vital para
anticipar las necesidades de transporte y energı́a del futuro. Al
continuar mejorando estas herramientas y técnicas, estaremos
mejor equipados para ofrecer herramientas y soluciones
que aborden las necesidades que surjan ante los nuevos
escenarios”, concluye Rousseau.
Teniendo en cuenta empresas, General Motors es una de
las principales que viene trabajando en el desarrollo de un
auto autónomo. Tenemos como ejemplo su modelo Cruise
AV, el cual es un automóvil sin volante ni pedales y con
conducción autónoma. Sin embargo, pese a no tener timón,
durante las pruebas de conducción siempre va un operador
por si algo sale mal.
Ford también está desarrollando un vehı́culo que no tendrá
pedales ni volante. La empresa se asoció con Domino’s Pizza
para probar sus vehı́culos autónomos y ver cómo reaccionaba
la gente al ver este tipo de autos llevándoles su respectiva
comida.
La empresa matrizde Google, Alphabet, lleva años
desarrollando un sistema de conducción autónoma, sus
vehı́culos se han desplazado ocho millones de kilómetros
hasta enero de 2018, pero, no todo lo recorrieron en las
calles de Estados Unidos, pues también lo han hecho en
vı́as virtuales mediante sistemas de simulación, Waymo ha
empezado a realizar pruebas de conducción automática en
Phoenix, con esto la empresa desea seguir mejorando los
sistemas autónomos adaptándose a todas las condiciones
urbanas y climáticas.
Tesla también está explorando la conducción automática
con su sistema autopilot, tesla propone que este software se
actualice para recibir una conducción automática, sin tener
que cambiar partes del auto. El modelo Hyundai Nexo ha
recorrido unos 200 km a una velocidad media de 90 km/h.
Aunque el automóvil se conducı́a sólo, dentro del vehı́culo
habı́a una persona por si ocurrı́a algún incidente.
En el CES de 2018, Lyft realizó una demostración de
su vehı́culo autónomo desarrollado por Aptiv. Utilizó un
BMW 540i equipado con 10 radares y 9 sensores LIDAR
demostrando las caracterı́sticas de su automóvil. Su proyecto
es crear una flota de taxis autónomos a corto plazo. BMW
es otra de las marcas que planea lanzar y adelantarse en el
mercado de autos autónomos. Para ello, trabaja en el asistente
BMW i Vision Dynamics, que se posicionará entre los ya
existentes BMW i3 y BMW i8.
La firma rusa Yandex también está interesada en desarrollar
taxis autónomos. Si bien no están fabricando sus propios
vehı́culos, vienen trabajando con una flota de Toyota Prius.
Sin embargo, un reto para desarrollar estos autos es que
tienen con el clima intenso. La empresa china Baidu también
está inmersa en el desarrollo de la conducción autónoma.
Sin embargo, les podrı́a tomar tiempo debido a las normas
regulatorias con los sistemas de navegación en el gigante
asiático.
La empresa sueca Volvo también trabaja en desarrollar esta
tecnologı́a, aunque recién aparecerı́a en 2021 para no lanzar
ningún tipo de beta al mercado comercial. Hasta que ello
ocurra, seguirá afinando la tecnologı́a de su proyecto Drive
Me. Intel fue otra de las firmas que presentó su primer
automóvil autónomo beta en el CES 2018. Intel quiere hacer
una flota de 100 vehı́culos en Estados Unidos, Europa e Israel
para probar su conducción autónoma.
III. MARCO TEÓRICO
A. Definición
Se entiende como automóvil autónomo aquel vehı́culo que
posee la capacidad de simular las técnicas humanas de control
y manejo, por medio de la captación e identificación de las
imágenes que conforman el medio en el cual se desplaza,
analizar la información recibida y tomar decisiones oportuna
con base en los datos previamente procesados.
B. Conducción dinámica
Contienen todos los aspectos de operación y táctica, tales
como manejo del volante, frenos, cambio de carril, pero no
los estratégicos como establecer destino, origen y rutas.
C. Movimiento Longitudinal
Hace referencia al control sobre la velocidad, la aceleración
y los frenos que ejerce sobre el automóvil el sistema de
conducción automatizado para mantenerse a una distancia
prudente de los vehı́culos que lo rodean.
D. Movimiento Lateral
Hace referencia a la capacidad que tiene el sistema de
conducción de detectar los lı́mites del carril, y la posición
del auto respecto a estos, y de mantenerse dentro del carril
incluso al tomar curvas.
E. Niveles de autonomı́a
Los niveles de autonomı́a expuestos en la norma SAE
J3016 son los siguientes:
1) Sin automatización: El conductor tiene toda las
responsabilidad y control del automóvil en la
conducción dinámica, sin embargo puede recibir
ayuda de sistemas de alerta.
2) Asistencia al conductor: Existe un sistema de respaldo
que puede activar un modo de conducción especı́fico
que controla el volante o la aceleración, no obstante
el conductor sigue teniendo el control de las demás
funciones de la conducción dinámica.
3) Automatización parcial: Existen varios sistemas de
respaldo que pueden activar un modo de conducción
especı́fico que controla el volante y la aceleración pero
dejando el control de las demás tareas de conducción
dinámica al conductor.
4) Automatización condicionada: Existe un sistema de
conducción que posee el control de todos los aspectos
de la conducción dinámica, pero el conductor tiene la
posibilidad de intervenir en cualquier momento.
5) Alta automatización: Existe un sistema de conducción
que posee el control de todos los aspectos de la
conducción dinámica, el sistemas se activa incluso si el
conductor no contestó una solicitud de intervención.
6) Automatización completa: Existe un sistema de
conducción que posee el control de todos los aspectos
de la conducción dinámica y se ejecuta para cualquier
tipo de medio en el que un conductor podrı́a actuar.
IV. HARDWARE
Para realizar el respectivo análogo a un auto autónomo,
se piensa en una persona, ¿qué necesita una persona para
movilizarse sin chocar contra algún obstáculo?, ası́ es, necesita
ojos, necesita un cerebro y por obvias razones, un cuerpo.
De igual manera ocurre con los autos autónomos, ellos
necesitan ojos, cerebro y cuerpo que se ven reflejados por
medio de actuadores, CPU y sensores, esto permite que los
autos logren percibir, pensar y realizar las labores humanas.
En este caso nos enfocaremos en dos aspectos, el primer
aspecto está relacionado a la compleja instalación, pero de
vital importancia y el segundo aspecto a la implementación
del piloto automático que permitirá trabajar como actuador
para controlar la dirección rueda, pedal acelerador, pedal de
freno y selector de marchas.
Una de las cualidades más relevantes que usan este tipo
de vechı́culos son sus sensores, por lo general este tipo de
sensores abarcan cada tipo tı́pico disponible en el mercado, es
decir, abarcan cámaras, radar de ondas milimétricas, sensores
ultrasónicos, LiDAR, que no es más que un dispositivo
que permite determinar la distancia entre un objeto láser
y un objeto receptor. La distancia es calculada por medio
del tiempo de retrasado entre la emisión del pulso y su
detección a través de la señal reflejada. Además estos
sensores manejan GPS y sensores inerciales, que estos
últimos nos permiten medir aceleración y velocidad angular
y se usan más que todo para captura y análisis de movimiento.
Los sensores que incorporan los autos autónomos son
de vital importancia ya que si alguno de estos fallan o
no están bien equilibrados se pueden producir accidentes
graves debido a puntos ciegos, clima, entre otros. Por lo
tanto, para dar una breve introducción hacia los sensores se
comienza describiendo la arquitectura de las cámaras, para
implementar cámaras en autos autónomos se usan diferentes
distancias visuales, cubiertas a través de diferentes lentes.
Por lo general, un foco de 16mm se usa para la detección
frontal para equilibrar la distancia y ángulo de campo de
visión (FOV) que es uno de los factores más importantes a la
hora de trabajar con cámaras.
Ası́ mismo, también podemos encontrar cámaras de 6 mm
o incluso una cámara ojo de pez puede ser una alternativa.
También se ofrece otra alternativa y es una tecnologı́a bastante
usada y eficaz para algunos ambientes, LiDAR brinda mayor
estabilidad que las cámaras debido a la insensibilidad a la
luminancia, ası́ mismo, este dispositivo genera una nube
de puntos que abarcan un área por lo que proporciona una
mejor aproximación a la distancia real con la que se trata, sin
embargo, este dispositivo no es aplicable cuando hablamos
de un terreno al cual está actuando una fuerte lluvia o existe
nieve, además que es 10 veces más caro que una cámara
común.
Figura 1. Planos de sensores, parte trasera y parte delantera del auto.
Por otro lado, también se puede encontrar en este tipo de
automóviles un sensor de onda milimétrica, que funciona
como la combinación de cámaras para detectar objetos
metálicos en movimiento, aunquela sensibilidad de radar
de onda milimétrica es relativamente débil la resolución es
inversamente proporcional al rango, ası́ el radar generalmente
tiene que derectar rango y distancia. Debido a esto, este
tipo de sensor es muy bueno en distintos climas ya que su
penetreabilidad es alta. También podemos contar con otro
tipo de sensor, estamos hablando del sensor ultrasónico,
este está incorporado en la gran mayorı́a de los autos
modernos y se utilizan en gran parte en estacionamientos
de baja velocidad debido a la capacidad de detección de
corta distancia tı́picamente menos de 5 metros, por obvias
razones, este es el sensor más baratos de los tres mencionados
anteriormente. Adicionalmente, en la figura No. 1 se pueden
observar tres planos de sensores tanto en la parte trasera del
auto y delantera del mismo.
En este orden de ideas se describirán tres prototipos con
diferentes implementaciones de sensores. Cada uno se enfoca
en un ambiente particular que está gráficamente en la figura
No. 1, atacando diversidad de problemas como pueden ser el
clima, de tal forma que lo que se piensa hacer es generalizar el
funcionamiento de un auto de forma eficaz y también tener un
panorama económico según el tipo y la cantidad de sensores
usados.
1) Prototipo A.
Cuatro cámaras, un RADAR de onda milimétrica,
una de 32 capas LiDAR, un LiDAR de 4 capas y
un GPS + sensor inercial son utilizado en este plan.
Las cámaras se pueden utilizar para muchos tipos de
detecciones con la ayuda de LiDAR y onda milimétrica
RADAR. Análogamente, este plan es el más cercano
al de Google. La ventaja de este plan es que puede
cubrir la mayor parte del área circundante el coche,
además de adaptarse a diferentes escenas de tráfico y
las condiciones climáticas. Sin embargo, las desventajas
de este plan son su costo extremadamente alto y su
inadaptabilidad para tareas de estacionamiento como
distancias menores a 1 metro son indetectables. En
conclusión, este plan es lo mejor para conducir en la
ciudad, pero es una redundancia en escenas de carretera
2) Prototipo B.
La diferencia entre este plan y el Plan A es que el
LiDAR de 32 capas se reemplaza por dos milı́metros
traseros RADAR de onda. Una mejora considerable
en la economı́a es obtenido a expensas de perder algo
de rendimiento de manejo en la ciudad ya que la
información circundante se reduce considerablemente.
Del mismo modo, el estacionamiento sigue siendo un
problema difı́cil bajo este marco de referencia. Según
las cualidades generales, recomendamos Este plan para
la mayorı́a de los usuarios.
3) Prototipo C.
Desde la imagen inferior de la figura No. 1, es fácil
observar que este plan es considerablemente diferente
de los planes A y B. Solo dos cámaras regulares, tres
RADAR de onda milimétrica, uno cámara circundante
y un sensor ultrasónico de doce unidades son utilizado
Desde la perspectiva de la economı́a, este es el más
barato plan y puede ser aceptado por la mayorı́a de
los fabricantes de vehı́culos. Sin embargo, dado que
el sistema se basa principalmente en la visión por
computadora, La estabilidad es el mayor problema.
Para este fin, muy relacionado Se está trabajando
en todo el mundo. Además, al usar el cámara
circundante y sensor ultrasónico, el estacionamiento no
es un problema. Mientras se puedan obtener algunos
resultados satisfactorios con SLAM basado en visión,
detección de área manejable, etc. Este plan económico
y liviano será la mejor opción en el futuro cercano.
En investigaciones recientes, basadas en el aprendizaje
profundo las soluciones de visión de extremo a extremo
han sido propuestas por compañı́as como NVIDIA y
Comma.ai
Figura 2. Chasis auto, incorporación de piloto automático.
Teniendo esto en cuenta, se dará inicio a la segunda
sección de este apartado y es ver el comportamiento del
piloto automático, que ya como se dijo éste permitirá
el control de ruedas, control de acelerador, control de
freno y selector de marchas.
Un piloto automático es un dispositivo que permite que
un vehı́culo automáticamente girar, cambiar, acelerar
y desacelerar. Este piloto automático se aplica bajo
la circunstancia de que el vehı́culo no está equipado
con un chasis de control con cable. Aunque el control
por cable debe ser el tendencia futura, la mayorı́a de
los vehı́culos necesitan ese dispositivo ahora ya que el
perı́odo de actualización del vehı́culo es tı́picamente de
5 a 10 años. Como se muestra en la figura No. 2 ,
cinco partes principales, incluido el volante, pedales de
acelerador / freno, activador de marcha y un controlador
central, constituyen el dispositivo de control del chasis.
El principal de nuestro diseño es eficiente, sin pérdidas y
factible para la mayorı́a de la situaciones. No queremos
que los actuadores sean como un robot sentado en el
asiento del conductor.
V. SOFTWARE
La arquitectura del sistema de software de un vehı́culo
autónomo está dividida en 5 partes principales categorizadas
por su función que son: percepción (lo que se puede captar
a través de los sensores y demás dispositivos sobre el medio
en el que se está utilizando, además de los algoritmos que
permiten el reconocimiento de los objetos adyacentes ) ,
decisión y planeación (donde se toman la decisiones y se
planifica la trayectoria), control y chasis (donde se emiten
las órdenes a seguir para cumplir la ruta planificada). Esta
definición se puede encontrar gráficamente en la figura No. 3.
Figura 3. Arquitectura del sistema de software de un vehı́culo autónomo
A. Percepción
Si bien es cierto que no todas las tecnologı́as que se
describen a continuación están implementadas en todos los
modelos de este tipo de autos la lista nos permite hacernos una
idea del tipo de dispositivos que permiten que el automóvil
circule sólo:
1) GPS: Ofrece la localización del vehı́culo con un grado
de exactitud de 1,9 metros. Se trata de un margen
demasiado grande para una conducción autónoma, con
lo que la medición es depurada con la utilización de
taquı́metros, altı́metros y giroscopios.
2) Lidar: Sistema de 64 láseres que realiza un escaneo
continuo del entorno del vehı́culo que identifica objetos
con una precisión de 2 centı́metros.
3) Radar: Detecta obstáculos en puntos ciegos de otros
sistemas.
4) Estereovisión: Dos cámaras montadas en el parabrisas
permiten reconstruir una visión 3D de la carretera, lo
que permite detectar obstáculos.
5) Cámaras de infrarrojos: Se colocan junto a las luces
delanteras. Emiten unas ondas que son recogidas por las
cámaras de visión global y permiten la visión nocturna.
6) Guı́a de carril: Consiste en una cámara colocada en el
espejo retrovisor interno y que es capaz de distinguir
entre los bordes de la carretera y esta misma.
7) Sensores de ruedas: Las ruedas vienen dotadas de
sensores que suministran datos de la conducción y de
las maniobras que realiza el vehı́culo.
8) Sensores ultrasónicos: Se colocan también en las
ruedas y permiten identificar pequeños objetos o
cambios en la carretera, como bordillos, cunetas u otros
vehı́culos mientras se aparca.
9) Ordenador central: se trata del elemento “inteligente”
del vehı́culo. Recibe todos los parámetros y variables,
toma las decisiones y ejecuta las acciones, ordenando
al motor que acelere, al volante que gire o al freno que
detenga el vehı́culo. Estas son las tecnologı́as principales
que se usan en la percepción de los objetos y el
posicionamiento del vehı́culo autónomo y de los autos
colindantes.
B. Decisión y Planificación
En esta parte está el núcleo principal de lo que es la
conducción autónoma, pues se encarga de la toma de
decisiones y la planeación de las acciones a seguir. Al
momento de definir una arquitectura que se encargue de
la parte de planeación y toma de decisiones se deben
tener en cuenta múltiples aspectos claves para una
implementación exitosa del vehı́culo autónomo ,algunos
de estos cuestionamientos son: la manera en que los
vehı́culos deciden la ruta a seguir, laforma en que los
vehı́culos usan los datos proporcionados por sus sensores
para tomar decisiones con horizontes a largo plazo, cómo la
interacción con otros vehı́culos afecta la manera de actuar, el
modo en que los vehı́culos pueden aprender a conducir desde
su historia y desde la conducción humana, cómo garantizar
que los sistemas de control y planificación del vehı́culo sean
correctos y seguros, y cómo asegurar que múltiples vehı́culos
en la carretera al mismo tiempo coordinen y se las arreglan
para mover personas y paquetes a sus destinos de la manera
más efectiva.
A pesar de que se han hecho enormes avances en cuanto
a planificación y toma de decisiones, pues ingenieros y
cientı́ficos se han encargado de desarrollar algoritmos
altamente complejos de planificación y también se ha
avanzado a pasos agigantados en aprendizaje automático y
visión por computador, aún queda mucho camino por recorrer
pues los automóviles que funcionan en ambientes controlados
aún no logran una tasa de error aceptable para la conducción
autónoma. A pesar de esto, se ha observado con resultados
prometedores, que la integración de decisión y planeación ha
llevado a muy buenas soluciones.
C. Control y chasis
Figura 4. Arquitectura de control de vehı́culo autónomo.
VI. RETOS ÉTICOS
Antes de hablar de los diferentes retos que contempla
planear, diseñar autos autónomos; debemos observar la
raı́z de estos; como se mencionó en el documento; uno
de los logros más interesantes en el desarrollo de sistemas
computacionales es la implementación de sistemas inteligentes
para la conducción autónoma en vehı́culos; se podrı́a decir
que se basan en una inteligencia artificial; por ende debemos
conocer qué es y qué campos abarca la inteligencia artificial.
Figura 5. Campos relacionados a la inteligencia artificial.
La inteligencia artificial abarca diferentes campos los cuales
son; las redes neuronales, la planificación, la robótica , el
aprendizaje automático , el tratamiento del lenguaje natural , la
percepción, el conocimiento y el sistema cognitivo; partiendo
del concepto básico, la inteligencia artificial es la simulación
de inteligencia humana por las máquinas, esto incluye el
aprendizaje; donde una máquina adquiere información y las
reglas para usar la información; el razonamiento el cual es
el uso de reglas para alcanzar conclusiones aproximadas y la
autocorrección. En conclusión; la inteligencia artificial es la
teorı́a y el desarrollo de sistemas informáticos para realizar
tareas que normalmente requieren inteligencia humana.
Los sistemas de inteligencia artificial aprenden continua-
mente utilizando técnicas como el aprendizaje automático y
el aprendizaje profundo para resolver problemas de visión
artificial, habla y lenguaje natural.El aprendizaje automático
proporciona a los sistemas capacidad de aprender y mejorar
automáticamente mediante la experiencia, es decir, sin ser
programado explı́citamente, para entender esto un poco mejor,
en la programación tradicional tenemos que un computador
mediante un algoritmo y unos datos nos da una salida (
conocemos la entrada que son los datos y el algoritmo ) ,
con el aprendizaje automático un computador puede darnos
el algoritmo si le proporcionamos los datos y la salida que
queremos; esto genera amplios mecanismos de ayuda a pro-
blemas que solo con inteligencia artificial o no solo sino que
serı́a relativamente más sencillo de resolver con IA.
Figura 6. Comparación entre la programación tradicional y el aprendizaje
automatizado.
Abarcando el tema central, al crear un automóvil autónomo
este requiere tomar ciertas decisiones en ciertos momentos,
por lo cual, muchas de las compañı́as que trabajan en esto se
plantean la siguiente pregunta; ¿Qué se necesita para confiar
en una decisión tomada por una máquina?, esta pregunta se
volvió algo compleja para muchos; por lo cual, decidieron
responder mediante cuatro preguntas relativamente más
sencillas; si mi sistema cumple o responde afirmativamente
a las preguntas, se podrı́a decir que es confiable la decisión
que tome, las preguntas planteadas son: ¿Es justo?, ¿Es fácil
de entender?, ¿alguien lo manipulo?, ¿es responsable?
La ética en la inteligencia artificial debe tomarse con la
misma responsabilidad y cautela que se toma la parte de
hardware y software y mucho más en estos casos donde el ser
humana hace parte de esto, un ejemplo sencillo para entender
estos grandes problemas que abarca el poder de decisión
que debe o deberı́a tener un auto autónomo es el siguiente;
una empresa lanza al mercado una lı́nea de automóviles
autónomos, un usuario contento por esto, lo adquiere, luego
de un tiempo se presenta una situación, “él va” por una
carretera cuando de la nada pasa un niño, el auto autónomo
se da cuenta rápidamente de las opciones que tiene, el niño
está tan cerca que aun frenando podrı́a matarlo, si gira a la
derecha se choca con otro auto donde se encuentra una pareja
de adultos de la tercera edad, si choca con ellos, puede que
mueran los tres, el piloto y la pareja, pero salvarı́a al niño, y
a la izquierda se encuentra un precipicio, si gira hacia allı́,
salva al niño y a la pareja de ancianos; ¿Qué decisión debe
tomar el auto en ese momento?
En decisiones como esta se observa el poder de decisión
que le estamos relevando a una máquina, cabe recalcar que el
objetivo principal de los fabricantes ha sido crear un sistema
de automóviles autónomos que sea clara y demostrablemente
más seguro que un auto promedio controlado por humanos,
por ello, es poco probable que el auto gire a la izquierda
y mate a su piloto. ¿Qué persona compra un auto sabiendo
que si se presenta una situación ası́ su vida no tiene mucha
importancia?. La empresa busca lo mejor para sus clientes,
por ende, girar a la izquierda no es una opción que tenga
el auto, ahora viene el problema planteado por muchas
personas, el poder de decisión que tendrı́an estas máquinas
sobre la vida humana y observando las preguntas mencionadas
anteriormente, ¿es justo que el auto mate al niño y salve a
su piloto?, ¿esto es una acción responsable?, ¿al no girar
izquierda es manipulado por la empresa?, ¿ si toma una
decisión, esta decisión es fácil de entender?.
Como conclusión; aunque llevamos grandes avances de
hardware y software en la automatización de automóviles,
parece que aún estamos cortos o no le damos la suficiente
importancia a temas éticos que estos abarcan; es un tema
sumamente importante en el que pocas empresas, compañı́as
o personas como tal se atreven a afrontar por su grado
de complejidad, por esto plantear la siguiente pregunta en
cada persona debe ser clave en el proceso de automatización
de autos, ¿Es bueno que una máquina tome decisiones por
nosotros para el bienestar de nosotros o nos está quitando
el poco de humanidad o las pocas cualidades que nos hacen
superiores a estas?
VII. CONCLUSIONES
1) En el presente artı́culo se definieron las caracterı́sticas
principales que debe tener un vehı́culo autónomo,
además se proporcionó una visión general de los
avances actuales en cuanto a planificación de rutas y
tomas de decisiones por parte de esto automóviles.
El campo de los vehı́culos autónomos es uno que ha
presentado múltiples avances en los últimos años, sin
embargo hay muchos cuestionamientos que siguen sin
encontrar respuestas.
2) La creciente popularidad de los algoritmos basados
en datos tanto en los sistemas de percepción como
en los sistemas de planificación requiere una segunda
ola de innovación; la verificabilidad, la seguridad y
la explicabilidad son requisitos clave para permitir la
transición de sistemas adecuados para exhibiciones
a vehı́culos autónomos listos para la producción en
nuestra vida cotidiana. Además, los sistemas autónomos
que operan en entornos complejos, dinámicos e
interactivos requieren inteligencia artificial que se
generalice a situaciones y razones impredecibles de
manera oportuna sobre lasinteracciones con muchos
participantes del tráfico. Los sistemas autónomos aún
necesitan alcanzar la confiabilidad a nivel humano en
la toma de decisiones, la planificación y la percepción,
y las precisiones actuales de detección y segmentación
aún no son suficientes en condiciones difı́ciles, como
las inclemencias del tiempo. Se requieren avances
adicionales en cuanto a los algoritmos que se utilizan
para imitar el comportamiento humano en la conducción
y la toma de decisiones en situaciones impredecibles
que pueden surgir en cualquier momento.
3) Cuando se habla de la implementación necesaria para
poder tener un auto autónomo en funcionamiento
respecto al hardware, y que es una de las partes más
fundamentales ya que es la visión y percepción del
auto, se debe tener en cuenta los sensores y la cantidad
de ellos que se usarán, como se estudió anteriormente,
la diversidad de sensores existentes varı́a según el
clima y el terreno en el que se está movilizando, ası́
como también la economı́a que se requiere para dicha
implementación. Cada uno de los sensores juega un
papel muy importante, porque allı́ se tendrá un óptimo
comportamiento en función de la eficaz captura de
información sin interrupciones del medio.
4) Es evidente que los costos de cada uno de los
componentes del hardware son elevados, aunque si
se hace un previo estudio de la ubicación espacial
donde operará el auto se tomarán en cuenta los
componentes más óptimos para dicho espacio y se
implementarán, reduciendo ası́ costos y dándole una
certeza de funcionamiento al auto, sabiendo que la
información recibida será procesada por el software de
manera correcta para tener el comportamiento deseado.
VIII. REFERENCIAS
[1] Wongpiromsarn T.[2010]. Formal methods for design
and verification of embedded control systems: application to
an autonomous vehicle. PhD Thesis, Calif. Inst. Technol.,
Pasadena, CA
[2]Zhang, C., Wang, Z., Zhu, J., Chen, Q. & Zong,
W. [2018]. Architecture Design and Implementation of
an Autonomous Vehicle. IEEE Access. Introduction to
algorithms. 2da. Boston: McGraw-Hill, 2001.
[3] Peres, J., Milanes, V., Alonso, J., Onieva, E. &
Pedro, T.[2010]. Adelantamiento con Vehı́culos Autónomos
en Carreteras de Doble Sentido. Revista Iberoamericana de
Automatica e Informatica Industrial.
[4] Rodriguez, H. 2018. El futuro de los
coches autónomos y conectados. Recuperado de:
https://www.nationalgeographic.com.es/ciencia/actualidad/
futuro-coches-autonomos-y-conectados 13619
[5] Equipo editorial La Network. 2018.El vehı́culo
autónomo tiene un largo camino por recorrer en las
ciudades. La Network. Recuperado de: https://la.network/el-
vehiculo-autonomo-tiene-un-largo-camino-por-recorrer-en-las-
ciudades/
[6] Redacción EC. 2018. Autos autónomos: Las empresas
que vienen desarrollando estos vehı́culos. El comercio. Recu-
perado de: https://elcomercio.pe/tecnologia/actualidad/autos-
autonomos-empresas-vienen-desarrollando-vehiculos-noticia-
505990
https://www.nationalgeographic.com.es/ciencia/actualidad/futuro-coches-autonomos-y-conectados_13619
https://www.nationalgeographic.com.es/ciencia/actualidad/futuro-coches-autonomos-y-conectados_13619
	INTRODUCCIÓN
	Estado del arte
	 MARCO TEÓRICO
	Definición
	Conducción dinámica 
	Movimiento Longitudinal 
	Movimiento Lateral 
	Niveles de autonomía
	HARDWARE
	SOFTWARE
	Percepción
	Decisión y Planificación
	Control y chasis
	RETOS ÉTICOS
	CONCLUSIONES
	REFERENCIAS